10:00arXiv cs.LG@Ping Xiong, Thomas Schnake, Michael Gastegger, Grégoire Montavon, Klaus-Robert Müller, Shinichi Nakajima精选图神经网络(GNN)的可解释性对安全、公平和鲁棒性至关重要。GNN-LRP方法通过评估路径相关性提供高阶解释,优于节点/边级解释,但计算复杂度随网络深度指数增长。本文提出基于最大积算法的多项式时间算法,能在神经元级别精确、节点级别近似地找到最相关的K条路径,大幅降低计算成本。实验在流行病学、分子和自然语言基准上验证了算法的可扩展性和实用性。代码已开源。论文图神经网络可解释性路径搜索多项式时间算法开源/仓库推荐理由:做GNN可解释性研究的团队终于有了高效工具——多项式时间算法让GNN-LRP从理论走向大规模应用,做图分析或模型调试的开发者可以直接用开源代码试试。原文